復雜網絡技術在關聯客戶貸款集中度審計中的應用

張恩勇

[摘要]科技強審為審計信息化建設指明了方向。針對傳統手工識別關聯客戶貸款效率低、識別不全面的問題，本文運用復雜網絡理論，提出構建關聯客戶多關系網絡，在此基礎上運用復雜網絡分析方法及技術，實現快速識別關聯客戶貸款結果可視化，對提高關聯客戶貸款審計質效具有重大意義。

[關鍵詞]關聯客戶 ? 內部審計 ? 貸款 ? 復雜網絡

一、研究背景及意義

關聯客戶（也稱集團客戶）的識別及風險控制，就是要防止銀行的貸款集中于某幾個關聯客戶（業界稱為“壘大戶”）。關聯客戶的實際控制人使用較少的資本金控制多家企業，通過實際控制的企業在銀行獲取大額貸款資金，利用多種手段侵占、轉移被控制企業的資產（含貸款資金），甚至掏空被控制企業，最終利用有限責任公司的“有限責任”規避責任。關聯客戶集中度是銀行積聚風險的主要途徑之一，但我國上市銀行信息披露一般只披露銀行前十大客戶貸款集中度，不會披露關聯客戶在銀行的貸款情況。根據審計經驗，關聯客戶貸款集中度經常比前十大客戶貸款集中度嚴重，這就埋下了關聯客戶集中度風險隱患。根據相關監管要求，同一銀行對同一關聯客戶的授信余額不能超過該銀行資本凈額的15%。

充分識別銀行的關聯客戶，在此基礎上發現客戶集中度風險，是關聯客戶集中度審計的重要手段。傳統手工排查關聯客戶貸款方法是用Excel手工排查，一是效率低。運用Excel對被審計機構手工進行關聯關系排查，一個100億元左右貸款規模的銀行，一般有100，000多條關聯數據，需要兩個工作日的關聯關系排查才能識別關聯客戶。二是無法實現全部關聯關系的排查。手工排查一般選擇從一定金額（如100萬元）以上的貸款來排查，無法做到全面排查。三是關聯關系非可視、不清晰。排查出來的關聯客戶貸款，被審計機構經常會反問，為什么將這些貸款納入同一關聯客戶貸款。審計人員還需逐一找出關聯關系并向被審計機構解釋。

在復雜網絡分析的基礎上，借助pajek等軟件，可以快速實現以上功能。

二、數據結構分析

銀行貸款數據一般包括擔保臺賬、貸款中間表。擔保臺賬包括借款人客戶號、借款人名稱、擔保人證件號、擔保人名稱、擔保金額等信息。貸款中間表包括借款人客戶號、貸款賬號、貸款金額、貸款余額、貸款七級分類、拖欠本金、累計欠息等信息。一筆貸款可能對應多個擔保人，擔保人本身也可能是另外一筆貸款的借款人，兩張表的結構關系如圖1所示。此外，借款企業中的股東信息、高管信息可以在第三方軟件中查詢，可通過企業名稱的唯一性進行匹配、校驗。

三、銀行客戶關聯網絡的構建

本文研究關聯客戶貸款的識別及審計技巧，銀行借款主體分為公司類和個人類。為方便研究，本文將關聯客戶類型歸納為擔保關聯、股東關聯、高管關聯，構建網絡如下：

（一）擔保關聯

借款人、擔保人為節點，擔保關系為連線，擔保金額為權重，連線的方向是從擔保人指向借款人。如圖2所示，擔保人18、19均為借款人17擔保40萬元，擔保人16為借款人17擔保80萬元，擔保人17為借款人16擔保40萬元，擔保人16為自己擔保8萬元，構建的擔保網絡如圖2右側所示。通過該方法，可以構建單一銀行、整個地市乃至全省（更大范圍）的擔保網絡。

（二）股東關聯

公司與股東為節點，入股關系為連線，方向為股東指向公司，入股金額為權重。股東關聯網絡構建方法與擔保網絡構建類似。

（三）高管關聯

公司與高管節點，高管關系為連線，方向為高管指向公司，高管關聯網絡為無權網絡。高管關聯網絡構建方法與擔保網絡構建類似。

上述三種網絡可合并為一張網絡進行分析，為多關系網絡分析。如圖3所示，節點1入股節點2，金額為300萬元，同時節點1為節點2的高管;節點1為節點3擔保200萬元;節點3為節點2擔保100萬元;節點4入股節點2，金額為500萬元，同時節點4為節點2的高管。

四、運用pajek及配套軟件識別關聯客戶貸款

pajek是一種大型復雜網絡分析工具，在Windows環境下運行，用于上千乃至數百萬結點的大型網絡分析和可視化操作，能讀取后綴名為.net的文件，能夠自動畫出擔保網絡圖，輸出最大連通圖（即一個關聯客戶）。

txt2Pajek是txt轉pajek工具，主要幫助用戶從txt文本中生成.net文件。可以將txt格式的網絡（邊信息）轉換為pajek可以處理的.net格式，在pajek分析時，可以幫助轉換相應的數據格式，便于數據分析。

運用思路如下：將擔保關聯、股東關聯、高管關聯的數據轉為txt格式，用txt2Pajek將txt格式轉為.net格式，用pajek讀取.net格式文件，運用pajek軟件自動識別關聯客戶。

根據前述構建關聯客戶貸款的復雜網絡模型理論，可以畫出整個地市、乃至整個省（甚至更大范圍）同一系列貸款跨銀行的關聯客戶貸款網絡圖，如圖4所示。

X地區Y關聯客戶貸款網絡，共有97個節點、225條關聯數據（擔保關聯數據102條、高管關聯數據54條、股東關聯數據69條），涉及3家銀行，貸款36筆，余額4.13億元。其中正常類貸款2.50億元，不良貸款1.63億元，如表1所示。

五、pajek軟件識別關聯客戶的優勢

（一）整體網絡層面

一是快速識別關聯客戶。基本上做到隨時生成關聯客戶明細，做到全面排查。二是排查結果可視化。運用復雜網絡分析軟件pajek，能生成可視化的關聯關系圖，直觀地看到關聯情況。三是多關系網絡集合運算。運用pajek能將擔保關聯、股東關聯、高管關聯等多關系網絡合并到同一網絡進行分析。四是評價銀行整體關聯風險。運用復雜網絡的網絡密度、連通度、集聚系數等指標，通過橫向對比，評價銀行的整體關聯風險。

（二）局部網絡層面

一是時變網絡。同一關聯客戶內，可能由于某一筆貸款結清或者借款主體更換股東而導致關聯關系變化，表現為節點或連接的產生與消失。運用不同時間點的擔保臺賬、借款企業的股東及高管信息，運用pajek可以刻畫時變網絡，關注某些關聯客戶的關聯網絡變化，關注關聯網絡的成長性。二是空間網絡。結合地理背景，可以實現某一地區單家銀行的關聯客戶分布。如果能利用人民銀行的批量征信數據，還能刻畫出某個地區所有銀行的關聯客戶分布。三是判斷相似的關聯客戶之間的風險傳染度。通過構建兩個相似的關聯客戶的關聯網絡，計算網絡密度、連通度、集聚系數等指標，評價相似的關聯客戶之間的風險傳染難易程度。四是找關聯客戶中的核心成員。運用點度中心度、中介中心度、接近中心度、權重中心度/特征向量中心度等指標，可以從不同的側重點找出某一大型關聯客戶的核心成員。

（作者單位：廣東省農村信用社聯合社，郵政編碼：525000，電子郵箱：317047774@qq.com）